Migrasi Spatial Data Warehouse Hotspot ke Sistem Operasi Linux Ubuntu
MIGRASI SPATIAL DATA WAREHOUSE HOTSPOT
KE SISTEM OPERASI LINUX UBUNTU
MUHAMMAD ADE NURUSANI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Migrasi Spatial Data
Warehouse Hotspot ke Sistem Operasi Linux Ubuntu adalah benar karya saya
dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip
dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Februari 2014
Muhammad Ade Nurusani
NIM G64090114
ABSTRAK
MUHAMMAD ADE NURUSANI. Migrasi Spatial Data Warehouse Hotspot
ke Sistem Operasi Linux Ubuntu. Dibimbing oleh HARI AGUNG ADRIANTO.
Teknologi data warehouse dibutuhkan dalam penanggulangan kebakaran
hutan dengan menyimpan data historis kebakaran hutan serta mengamati
persebaran kemunculan hotspot melalui satelit NOAA. Teknologi ini sebelumnya
telah digunakan untuk mengembangkan sebuah sistem yang dapat
mensinkronisasi visualisasi map dan query OLAP pada sistem operasi Windows.
Tujuan penelitian ini adalah memindahkan sistem dari penelitian sebelumnya
dengan sistem operasi yang baru yaitu Linux Ubuntu, dengan harapan
meningkatnya kinerja sistem dalam melakukan operasi OLAP. Hasilnya, sistem
yang dikembangkan pada Linux Ubuntu lebih cepat dibandingkan dengan sistem
operasi Windows dalam menampilkan halaman peta, menampilkan halaman
Jpivot, dan proses pengiriman query.
Kata kunci: data warehouse, kebakaran hutan, Linux Ubuntu, OLAP.
ABSTRACT
MUHAMMAD ADE NURUSANI. Migration of Spatial Data Warehouse Hotspot
to Ubuntu Linux Operating System. Supervised by HARI AGUNG ADRIANTO.
Data warehouse technology in forest fire management is required to store
the historical data of forest fires and observe the emergence of hotspots
distribution through NOAA satellite. This technology has previously been used to
develop a system that can synchronize map visualization and OLAP queries on a
Windows operating system. The objective of this research is to migrate the system
from the previous studies to the new operating system Linux Ubuntu, which will
increase the performance of the system in conducting the OLAP operations. The
result of this research shows that the system developed in Linux Ubuntu is faster
than the system developed in Windows in displaying the map page, displaying the
Jpivot page, and submitting the process queries.
Keywords: data warehouse, forest fire, Linux Ubuntu, OLAP.
MIGRASI SPATIAL DATA WAREHOUSE HOTSPOT KE
SISTEM OPERASI LINUX UBUNTU
MUHAMMAD ADE NURUSANI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Penguji:
1 Dr Imas Sitanggang, MKom
2 Endang Purnama Giri, SKom, MKom
Judul Skripsi : Migrasi Spatial Data Warehouse Hotspot ke Sistem Operasi Linux
Ubuntu
Nama
: Muhammad Ade Nurusani
NIM
: G64090114
Disetujui oleh
Hari Agung Adrianto, SKom MSi
Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi MKom
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga penulis dapat menyelesaikan karya ilmiah ini dalam
penelitian yang dilaksanakan sejak bulan Januari 2013 dengan tema yang dipilih
ialah data warehouse kebakaran hutan, dengan judul Migrasi Spatial Data
Warehouse Hotspot ke Sistem Operasi Linux Ubuntu.
Terima kasih penulis ucapkan kepada Bapak Hari Agung Adrianto, SKom
MSi selaku pembimbing yang telah memberikan arahan, saran, dan motivasi
dengan sabar dalam membantu penulis dalam menyelesaikan skripsi ini. Terima
kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa,
kasih sayang, dan dukungannya. Serta teman-teman ilkom 46 dan teman-teman
satu bimbingan yang saling memberikan semangat dan menjadi teman diskusi.
Semoga karya ilmiah ini bermanfaat.
Bogor, Februari 2014
Muhammad Ade Nurusani
DAFTAR ISI
DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
Ruang Lingkup Penelitian
2
TINJAUAN PUSTAKA
2
Hotspot
2
Spatiotemporal Data Warehouse
2
Operasi Dasar OLAP
3
MDX Query
3
Spatialytics
3
METODE PENELITIAN
4
Analisis Sistem di Lingkungan Windows
5
Pengukuran Kinerja di Lingkungan Windows
5
Konfigurasi Sistem di Lingkungan Linux Ubuntu
5
Pengukuran Kinerja di Lingkungan Linux Ubuntu
5
Uji Query
5
HASIL DAN PEMBAHASAN
5
Analisis Sistem di Lingkungan Windows
5
Pengukuran Kinerja di Lingkungan Windows
8
Konfigurasi Sistem di Lingkungan Linux Ubuntu
8
Pengukuran Kinerja di Lingkungan Linux Ubuntu
11
Uji Query
12
SIMPULAN DAN SARAN
15
Simpulan
15
Saran
15
DAFTAR PUSTAKA
16
RIWAYAT HIDUP
17
DAFTAR TABEL
1 Hasil pengukuran kinerja SOLAP berbasis Windows
2 Hasil pengukuran kinerja SOLAP berbasis Linux Ubuntu
8
11
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
Arsitektur Spatialytics
Skema tahap penelitian
Skema database penelitian Wipriyance (2013)
Arsitektur sistem penelitian Wipriyance (2013)
File OLAPQuery.java
File build.properties
File SpatialyticsServlet.java
Perbandingan kinerja Windows dengan Linux Ubuntu
Hasil query hotspot seluruh Indonesia tahun 1997
Hasil query hotspot seluruh Indonesia tahun 2005
Hasil query hotspot menggunakan fungsi dynamic equal interval
Hasil query hotspot menggunakan fungsi fixed interval
4
4
6
7
9
10
10
12
13
13
14
14
PENDAHULUAN
Latar Belakang
Musim kemarau yang panjang menjadi penyebab banyaknya kebakaran
hutan yang terjadi di Indonesia. Salah satu cara menanggulangi kebakaran hutan
yaitu dengan menggunakan teknologi data warehouse dengan online analytical
processing (OLAP) yang dapat memantau dan membantu dalam pengambilan
keputusan terhadap persebaran titik panas (hotspot) di seluruh kawasan hutan.
Fadli (2011) telah membangun sebuah sistem data warehouse kebakaran
hutan di Indonesia dengan modul visualisasi kartografis sehingga sistem yang
dihasilkan mampu melakukan analisis multidimensional dan menampilkan
visualisasi kartografis yang dilengkapi diagram tabular. Berikutnya, Imaduddin
(2012) mengembangkan penelitian sebelumnya dengan melakukan sinkronisasi
antara peta dan query OLAP pada spatial data warehouse kebakaran hutan di
Indonesia. Penelitian tersebut melakukan sinkronisasi antara query OLAP dan
visualisasi peta sehingga memudahkan pengguna dalam melakukan analisis
spatial OLAP. Sinkronisasi juga menghindari terjadinya inkonsistensi data yang
disebabkan proses input berbeda. Terakhir, Wipriyance (2013) berhasil
menambahkan data yang muncul di peta sehingga data yang pada penelitian
sebelumnya berjumlah 190 titik panas kini berhasil muncul 1500 titik panas.
Namun, kecepatan dalam menampilkan peta masih lambat disebabkan jumlah data
yang banyak.
Penelitian ini mencoba memperbaiki kekurangan pada penelitian
sebelumnya, yaitu dengan migrasi sistem ke sistem operasi Linux Ubuntu
sehingga diharapkan dapat memperbaiki kinerja sistem dalam menampilkan peta.
Sistem operasi ini dipilih karena lebih baik dari Windows pada perangkat keras
yang setara (Beckman dan Hirsch 2006). Selain itu, Linux Ubuntu secara default
tidak berjalan sebagai root atau administrator, sehingga setiap program atau script
tidak dapat secara otomatis membuat perubahan pada sistem tanpa hak eksplisit
dari pengguna. Hal ini memastikan bahwa Linux Ubuntu menawarkan keamanan
lebih dibandingkan sistem operasi Windows.
Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1 Migrasi sistem operasi ke Linux Ubuntu pada SOLAP data warehouse
kebakaran hutan dari penelitian Wipriyance (2013).
2 Membandingkan kinerja sistem pada lingkungan sistem operasi Windows
dengan Linux Ubuntu.
Manfaat Penelitian
Penelitian ini diharapkan dapat memudahkan pengguna dalam mengambil
keputusan secara cepat dalam penanggulangan kebakaran hutan.
2
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini yaitu:
1 Data yang digunakan adalah data titik panas kebakaran hutan di wilayah Indonesia
tahun 1997-2005 yang bersumber dari Direktorat Pengendalian Kebakaran Hutan
(DPKH) Departemen Kehutanan Republik Indonesia.
2 Skema data menggunakan hasil penelitian Wipriyance (2013).
3 Modifikasi menggunakan sistem operasi Linux Ubuntu.
TINJAUAN PUSTAKA
Hotspot
Kebakaran hutan dapat dipantau melalui munculnya hotspot menggunakan
data satelit Advanced Very High Resolution Radiometer-National Oceanic and
Atmospheric Administration (AVHR-NOAA). Hotspot merupakan titik-titik di
permukaan bumi yang mengindikasikan terjadinya kebakaran hutan dan lahan
(Ratnasari 2000). Citra data hotspot dari satelit AVHR-NOAA dapat dijadikan
indikasi kebakaran hutan yang dapat berupa kebakaran tajuk (crown fire),
kebakaran permukaan (surface fire), maupun kebakaran bawah (ground fire).
Salah satu penyedia layanan data hotspot adalah Forest Fire Prevention
Management Project yang dapat diakses melalui internet (www.indofire.org).
Spatiotemporal Data Warehouse
Data warehouse adalah database besar yang mendukung operasional data
dalam sebuah repositori dengan tujuan memudahkan query dan analisis.
Spatiotemporal data warehouse adalah suatu kumpulan koleksi data spasial dan
non-spasial yang memiliki sifat subject-oriented, integrated, time variant, dan
non-volatile yang berperan dalam proses pengambilan keputusan yang berkaitan
dengan data spasial (Han dan Kamber 2006). Adapun empat karakteristik data
warehouse ialah:
1 Subject oriented, data warehouse didesain untuk menganalisis data
berdasarkan subjek tertentu dalam lembaga, organisasi, atau perusahaan bukan
berdasarkan fungsi atau proses aplikasi tertentu.
2 Integrated, data warehouse dapat menyimpan data yang berasal dari sumber
yang terpisah ke dalam satu format yang konsisten.
3 Time variant, data yang disimpan memberikan sejarah informasi. Dengan kata
lain, data yang disimpan valid pada rentang waktu tertentu.
4 Nonvolatile, proses yang diizinkan dalam data warehouse hanya pemuatan dan
akses data tanpa mengubah data sumber sehingga data yang tersimpan tidak
dapat di-update atau di-delete.
3
Operasi Dasar OLAP
Menurut Han dan Kamber (2006) operasi-operasi dasar OLAP terdiri atas:
1 Roll up, operasi roll up dilakukan pada kubus data dengan cara menaikkan
tingkat hierarki.
2 Drill down, operasi ini merepresentasikan data secara lebih detail atau spesifik
dari level tinggi ke level rendah.
3 Slicing, merupakan proses pemotongan data pada cube berdasarkan nilai pada
satu atau beberapa dimensi.
4 Dicing, merupakan pemotongan hasil slicing menjadi bagian subset data yang
lebih kecil.
5 Pivoting, adalah kemampuan OLAP untuk melihat data dari berbagai sudut
pandang. Sumbu pada kubus data dalam aplikasi OLAP dapat diatur sehingga
dapat diperoleh data yang diinginkan sesuai dengan sudut pandang analisis
yang diperlukan.
MDX Query
Multidimensional expression (MDX) merupakan bahasa yang menyediakan
sintaks khusus untuk query dan memanipulasi data multidimensi yang disimpan
dalam kubus OLAP. MDX memungkinkan pengguna untuk memasukkan query
pada data dengan struktur yang mirip seperti SQL (Whitehorn et al. 2004).
Berikut contoh penggunaan query MDX yang menampilkan data jumlah
hotspot berdasarkan dimensi satelit pada tahun 2000:
SELECT
{ [Satelit].[Semua Satelit] } ON COLUMNS,
{ [Measures].[jumlah_hotspot] } ON ROWS
FROM [geohotspot]
WHERE [Waktu].[2000]
Spatialytics
Spatialytics merupakan framework yang memungkinkan pengguna untuk
menganalisis data multidimensi dari berbagai perspektif. Spatialytics mampu
melakukan operasi OLAP yang terdiri dari operasi roll up, drill down, slicing, dan
dicing (Spatialytics 2013). Spatialytics dikembangkan oleh GeoSOA Research
Team menggunakan Dojo Toolkit dan OpenLayers yang bersifat open source.
Spatialytics memiliki arsitektur three tiers yang meliputi:
1 Lapisan bawah (bottom tier)
Lapisan bawah merupakan suatu sistem database relasional (DBMS
PostgreSQL) yang diberi library tambahan (PostGIS) sehingga mampu
menangani data spatial.
2 Lapisan tengah (middle tier)
Lapisan tengah merupakan tempat penyimpanan struktur kubus data atau
OLAP server. Spatialytics menggunakan OLAP server GeoMondrian yang
merupakan modifikasi dari OLAP server Mondrian sehingga mampu
menangani data spatial.
4
3 Lapisan atas (top tier)
Lapisan atas merupakan lapisan untuk end user yang berfungsi menampilkan
ringkasan dari isi data warehouse yang merupakan hasil operasi OLAP serta
menampilkan (peta) persebaran hotspot. Implementasi user interface pada
lapisan atas menggunakan Dojo Toolkit, sedangkan visualisasi objek spasial
menggunakan OpenLayers. Arsitektur Spatialytics ditunjukkan pada Gambar 1.
Gambar 1 Arsitektur Spatialytics
METODE PENELITIAN
Skema tahap penelitian pada penelitian ini ditunjukkan pada Gambar 2.
Gambar 2 Skema tahap penelitian
5
Analisis Sistem di Lingkungan Windows
Tahap analisis meliputi bagian kebutuhan data dan cara keja sistem OLAP
yang sudah ada dari hasil penelitian penelitian Wipriyance (2013). Sistem telah
berhasil mengintegrasi peta dan query OLAP namun kecepatan akses data masih
lambat dan data yang muncul hanya sedikit. Sistem tersebut menerapkan
Spatialytics dalam sistem operasi Windows.
Pengukuran Kinerja di Lingkungan Windows
Sistem yang telah dibuat pada penelitian sebelumnya yaitu pada sistem
operasi Windows 7 dijalankan kembali tanpa mengubah konfigurasi lalu
dilakukan pengukuran kinerja dalam menampilkan peta.
Konfigurasi Sistem di Lingkungan Linux Ubuntu
Sistem pada penelitian sebelumnya dijalankan dan dilakukan konfigurasi
sesuai dengan lingkungan sistem operasi Linux Ubuntu.
Pengukuran Kinerja di Lingkungan Linux Ubuntu
Setelah sistem berhasil dijalankan pada sistem operasi Linux Ubuntu,
dilakukan pengukuran kinerja sistem dalam menampilkan peta.
Uji Query
Pengujian query dilakukan untuk mengetahui keberhasilan fungsi query
MDX pada sistem yang dikembangkan di Linux Ubuntu. Fungsi yang diujikan
antara lain submit query, reload jpivot, dynamics equal interval, dan fixed interval.
HASIL DAN PEMBAHASAN
Analisis Sistem di Lingkungan Windows
Kebutuhan Data
Terdapat dua database yang digunakan pada penelitian ini yaitu
db_forestfire dan geohotspot. Database db_forestfire berfungsi sebagai layer
dasar peta yang berisi data hotspot dari tahun 1997-2005 dan berjumlah 473 892
hotspot. Sistem sebelumnya telah berhasil menampilkan 1500 hotspot yang
disimpan sebagai database geohotspot. Untuk ukuran data yang melebihi jumlah
tersebut, terjadi error pada Jpivot. Database geohotspot berfungsi untuk
menangani query yang dimasukkan pada sistem dan diproses oleh Geomondrian.
6
Skema database disimpan dalam file XML yang akan diproses oleh
Geomondrian. Skema database Geomondrian memiliki tabel yaitu tabel
fakta_forestfire yang berisi jumlah munculnya area hotspot yang ditangkap
oleh satelit tertentu pada waktu tertentu. Tabel tersebut merupakan tabel fakta
yang menjadi pusat kubus data. Kubus data terdiri dari tiga dimensi yaitu dimensi
satelit, lokasi, dan waktu. Dimensi satelit memiliki satu level yaitu nama satelit.
Dimensi lokasi memiliki tiga level yang terdiri dari level hotspot, provinsi, dan
kabupaten. Dimensi waktu memiliki tiga level yang terdiri dari level tahun, kuartil,
dan bulan. Berikut skema database dari penelitian sebelumnya yang ditunjukkan
pada Gambar 3.
tb_satelit
PK
id_satelit
tb_geohotspot
PK
nama_satelit
fakta_forestfire
hotspot_geom
kode_kab
tb_kabupaten
PK
id_hotspot
id_waktu
id_satelit
jumlah
tb_waktu
PK
id_waktu
tahun
kuartil
bulan
kode_hotspot
kode_kab
nama_kab
kab_geom
kode_prov
tb_provinsi
PK
kode_prov
nama_prov
prov_geom
Gambar 3 Skema database penelitian Wipriyance (2013)
Cara Kerja Sistem
Sistem yang dikembangkan oleh Wipriyance (2013) merupakan sistem data
warehouse kebakaran hutan yang menggunakan Geoserver sebagai web map
server berbasis Java. Pada sistem ini Geoserver berperan sebagai penyedia layer
peta wilayah Indonesia. Operasi query OLAP pada sistem ini menggunakan
Geomondrian. Geomondrian mampu menangani data spatial sehingga dapat
menyimpan data dalam bentuk raster maupun vektor. Pada sistem ini
Geomondrian bertugas menangani proses query yang dimasukkan pengguna.
Lingkungan Pengembangan Sistem
Perangkat keras yang digunakan adalah Personal Computer (PC) dengan
spesifikasi sebagai berikut.
Perangkat Keras:
Processor Intel Core2Duo @2.1 GHz.
RAM 2 GB DDR3.
HDD 320 GB.
7
Perangkat Lunak:
Sistem operasi Windows 7 Professional.
JDK 1.6.0.04 sebagai JVM.
Apache Tomcat 6.0 sebagai servlet container.
Spatialytics sebagai spatial OLAP framework.
GeoMondrian 1.0 sebagai server spatial OLAP.
GeoServer 2.1 sebagai server web map.
OpenLayers 2.8 sebagai JavaScript library untuk menampilkan peta.
PostgreSQL 8.4 sebagai database server dengan ekstensi PostGIS untuk
menyimpan data spasial.
Schema Workbench 1.0 untuk membuat kubus data multidimensional.
Sistem yang dikembangkan oleh Wipriyance (2013) yang dijelaskan pada
Gambar 4 menggunakan framework Spatialytics yang memiliki arsitektur tiga
lapisan meliputi:
1 Lapisan bawah, merupakan sistem database yang meliputi database
management system (DBMS) PostgreSQL dengan ekstensi PostGIS untuk
menangani data spatial.
2 Lapisan tengah, yaitu tempat penyimpanan server yang terdiri atas Apache
Tomcat 6.0 sebagai tempat menjalankan aplikasi Spatialytics, GeoServer, dan
GeoMondrian. Spatialytics server menerima query masukkan dari pengguna
kemudian mengirimkannya ke GeoMondrian dan mengembalikan hasil
eksekusi query ke client. GeoServer sebagai WMS yang berfungsi membuat
workspace dan membuat layer peta wilayah Indonesia menggunakan data yang
telah dibuat pada PostgreSQL dan PostGIS. GeoMondrian merupakan OLAP
server tempat query OLAP dieksekusi.
3 Lapisan atas, yaitu Spatialytics client terdiri atas modul peta dan modul JPivot.
Modul peta divisualisasikan oleh GeoServer serta data hasil eksekusi query dari
Geomondrian. Modul JPivot menampilkan hasil eksekusi query dalam bentuk
tabel dan grafik.
Gambar 4 Arsitektur sistem penelitian Wipriyance (2013)
8
Pengukuran Kinerja di Lingkungan Windows
Pada penelitian ini digunakan perangkat yang berbeda dengan penelitian
sebelumnya. Berikut perangkat yang digunakan.
Processor Intel Core i5-2450M.
RAM 4 GB DDR3.
HDD 500 GB.
Sistem operasi Windows 8.
PostgreSQL 9.2.
Pengukuran Kinerja
Sistem sebelumnya diukur waktu kinerjanya dalam mengeksekusi setiap
proses. Parameter-parameter yang diukur antara lain waktu eksekusi dalam
menampilkan halaman peta, menampilkan halaman Jpivot, dan proses olap4js.
Parameter menampilkan halaman peta yaitu waktu yang dibutuhkan sistem dalam
menampilkan hotspot pada halaman awal peta. Parameter menampilkan halaman
Jpivot yaitu waktu yang dibutuhkan sistem menampilkan hasil eksekusi query
pada halaman Jpivot. Proses olap4js yaitu waktu parsing query dari masukkan
pengguna sampai munculnya hasil query hotspot.
Hasil pengukuran dilakukan sebanyak sepuluh kali iterasi yang ditunjukkan
pada Tabel 1.
Iterasi
1
2
3
4
5
6
7
8
9
10
Rata-rata
Tabel 1 Hasil pengukuran kinerja SOLAP berbasis Windows
Pengukuran kinerja (waktu ms)
Menampilkan
Menampilkan
Proses olap4js
halaman peta
halaman Jpivot
4380
207
1190
4220
194
928
4310
197
818
4090
173
1040
4410
163
1540
4260
155
738
4290
148
703
4100
158
753
4170
203
730
4020
172
841
4225
177
928
Konfigurasi Sistem di Lingkungan Linux Ubuntu
Sistem pada penelitian sebelumnya diimplementasikan sesuai dengan
lingkungan sistem operasi Linux Ubuntu lalu dilakukan beberapa konfigurasi agar
sistem dapat berjalan pada lingkungan Linux Ubuntu.
9
Konfigurasi Sistem di Linux Ubuntu
Prosedur pemindahan folder atau directory sistem pada Linux Ubuntu
berbeda dengan di Windows karena Linux Ubuntu secara default tidak berjalan
sebagai root atau admin. Oleh karena itu, perlu dilakukan beberapa pengaturan
sistem yang meliputi pemindahan directory work dan webapps dengan perintah
sebagai berikut:
Directory Work
sudo cp -r /home/adenurusani/bi_workshop/tomcat/work/Catalina/
localhost/* /var/lib/tomcat6/work/Catalina/localhost/*
Directory Webapps
sudo cp -r /home/adenurusani/bi_workshop/tomcat/webapps/*
/var/lib/tomcat6/webapps/
File yang telah dipindahkan tidak dapat langsung dijalankan karena belum
bersifat read, write, execute. Perintah untuk akses file tersebut sebagai berikut:
Directory Work
sudo chmod -R 777 /var/lib/tomcat6/work/*
Directory Webapps
sudo chmod -R 777 /var/lib/tomcat6/webapps/*
Build Project di Eclipse
Setelah konfigurasi sistem selesai, sistem tidak bisa langsung berjalan di
lingkungan Linux Ubuntu, melainkan dibutuhkan build project pada Eclipse
untuk menyesuaikan pengaturan directory yang berbeda dengan lingkungan
Windows. Build dilakukan untuk file OLAPQuery.java, build.properties, dan
SpatialyticsServlet.java.
File OLAPQuery.java berfungsi untuk mengatur string koneksi database,
skema kubus database, dan string mdxquery. File build.properties berfungsi
mengatur sistem Spatialytics agar berjalan pada project Eclipse. File
SpatialyticsServlet.java berfungsi untuk mengatur dan membuat file javascript
sehingga query dapat berubah sesuai masukkan dari pengguna. Potongan masingmasing file ditunjukkan pada Gambar 5, Gambar 6, dan Gambar 7.
Gambar 5 File OLAPQuery.java
10
Gambar 6 File build.properties
Gambar 7 File SpatialyticsServlet.java
11
Pengukuran Kinerja di Lingkungan Linux Ubuntu
Sistem yang telah berhasil dimigrasikan ke lingkungan Linux Ubuntu diukur
kinerjanya berupa kecepatan membuka halaman peta, menampilkan query, dan
proses olap4js. Pada pengukuran kinerja ini dilakukan sepuluh kali iterasi. Hasil
pengukuran kinerja sistem pada Linux Ubuntu ditunjukkan pada Tabel 2.
Tabel 2 Hasil pengukuran kinerja SOLAP berbasis Linux Ubuntu
Pengukuran Kinerja (waktu ms)
Iterasi
Menampilkan
Menampilkan
Proses olap4js
halaman peta
halaman Jpivot
1
3560
135
1300
2
3350
151
876
3
3390
143
921
4
3500
154
564
5
3210
153
1170
6
3190
142
652
7
3410
155
501
8
3540
141
941
9
3030
147
473
10
3360
142
816
Rata-rata
3354
146
821
Hasil pengukuran kinerja di lingkungan Windows berdasarkan Tabel 1,
dibandingkan dengan hasil pengukuran di lingkungan Linux Ubuntu dengan
mengambil nilai rata-rata dari sepuluh iterasi bagi ketiga parameter yang
digunakan yaitu menampilkan halaman peta, menampilkan halaman Jpivot, dan
proses olap4js. Perhitungannya sebagai berikut.
enampilkan halaman peta indows
enampilkan halaman peta inux buntu
enampilkan halaman pivot indows
enampilkan halaman pivot inux buntu
Proses olap js indows
Proses olap js inux buntu
Hasil perbandingan pengukuran kinerja sistem Windows dengan Linux
Ubuntu ditunjukkan pada Gambar 8.
12
5000
4500
4000
Membuka halaman peta
(Windows)
Waktu (ms)
3500
3000
Membuka halaman
Jpivot (Windows)
2500
Proses olap4js
(Windows)
2000
Membuka halaman peta
(Ubuntu)
1500
Membuka halaman
Jpivot (Ubuntu)
Proses olap4js (Ubuntu)
1000
500
Iterasi
0
1
2
3
4
5
6
7
8
9
10
Gambar 8 Perbandingan kinerja Windows dengan Linux Ubuntu
Uji Query
Uji query dilakukan untuk mengetahui keberhasilan fungsi query MDX
pada sistem yang dikembangkan di Linux Ubuntu. Fungsi yang diujikan antara
lain submit query, reload jpivot, dynamics equal interval, dan fixed interval. Saat
pertama kali dijalankan, sistem akan mengeksekusi default query sebagai berikut:
SELECT
{[Measures].[Jumlah_Hotspot]} ON COLUMNS,
{[lokasi].[Hotspot].Members} ON ROWS
FROM [geohotspot]
WHERE [waktu].[1997]
Query tersebut menampilkan persebaran hotspot di seluruh wilayah
Indonesia pada tahun 1997 yang ditunjukkan pada Gambar 9. Selanjutnya query
diujikan pada rentang tahun 1997-2005 namun hotspot hanya muncul pada tahun
1997 dan tahun 2005, hal ini disebabkan tidak ada data tahun 1998-2004 pada
database geohotspot. Berikut tampilan persebaran hotspot pada tahun 2005
ditunjukkan pada Gambar 10.
13
Gambar 9 Hasil query hotspot seluruh Indonesia tahun 1997
Gambar 10 Hasil query hotspot seluruh Indonesia tahun 2005
14
Selanjutnya query diujikan pada fungsi equal interval dengan query pada
level provinsi hasil eksekusi query tersebut ditunjukkan pada Gambar 11.
SELECT
{[Measures].[Jumlah_Hotspot]} ON COLUMNS,
{[lokasi].[Hotspot Provinsi].Members} ON ROWS
FROM [geohotspot]
WHERE [waktu].[Semua Waktu]
Gambar 11 Hasil query hotspot menggunakan fungsi dynamic equal interval
Terakhir query diujikan pada fungsi fixed interval dengan query pada level
provinsi hasil eksekusi query tersebut ditunjukkan pada Gambar 12.
SELECT
{[Measures].[Jumlah_Hotspot]} ON COLUMNS,
{[lokasi].[Hotspot Provinsi].Members} ON ROWS
FROM [geohotspot]
WHERE [waktu].[Semua Waktu]
Gambar 12 Hasil query hotspot menggunakan fungsi fixed interval
15
SIMPULAN DAN SARAN
Simpulan
Penelitian ini telah berhasil menjalankan sistem Spatialytics dan Geoserver
pada sistem operasi Linux Ubuntu, seluruh fungsi telah berjalan baik. Telah
dibuktikan bahwa sistem yang dikembangkan pada Linux Ubuntu lebih cepat
dibandingkan pada sistem operasi Windows, dalam menampilkan halaman peta
Linux Ubuntu 1.26 kali lebih cepat dibandingkan Windows, lebih cepat 1.21 kali
dalam menampilkan halaman Jpivot, dan lebih cepat 1.13 kali dalam proses
olap4js.
Saran
Penelitian ini memungkinkan untuk dikembangkan lebih lanjut. Saran untuk
pengembangan sistem ini yaitu melakukan hosting sistem ini pada server sehingga
sistem dapat digunakan oleh banyak pengguna.
16
DAFTAR PUSTAKA
Beckman D, Hirsch D. 2006. Use Linux and open-source software on a junk
nachine for a near-free PC [Internet]. [diunduh 2014 Jan 21]. Tersedia pada:
http://abajournal.com/magazine/article/a_lot_for_a_little/.
Fadli MH. 2011. Data warehouse spatio-temporal kebakaran hutan menggunakan
Geomondrian dan Geoserver [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Han J, Kamber M. 2006. Data Mining Concept and Techniques. San Fransisco (US):
Morgan Kaufmann.
Imaduddin A. 2012. Sinkronisasi antara visualisasi peta dan query OLAP pada
spatial data warehouse kebakaran hutan di Indonesia [skripsi]. Bogor (ID):
Institut Pertanian Bogor.
Ratnasari E. 2000. Pemantauan kebakaran hutan dengan menggunakan data citra
NOAA-AVHRR dan citra Landsat TM: studi kasus di daerah Kalimantan
Timur [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Spatialytics. 2013. Spatialytics OLAP [Internet]. [diunduh 2013 Des 15]. Tersedia
pada: http://docs.spatialytics.com/doku.php?id=en:spatialytics_olap:
001_introduction.
Whitehorn M, Zare R, Pasumansky M. 2004. Fast Track to MDX. New York (US):
Springer.
Wipriyance L. 2013. Peningkatan kinerja sistem spatial data warehouse kebakaran
hutan berbasis GeoServer dan GeoMondrian [skripsi]. Bogor (ID): Institut
Pertanian Bogor.
17
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 12 November 1991 sebagai anak
pertama dari tiga bersaudara dari pasangan Bapak Taharudin dan Ibu Nurhayati.
Pada tahun 2009 penulis lulus dari SMA Negeri 5 Bogor kemudian melanjutkan
pendidikan jenjang S1 sebagai mahasiswa Departemen Ilmu Komputer, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor pada tahun
yang sama melalui jalur SNMPTN.
Pada tanggal 27 Juli 2012 sampai 14 Agustus 2012, penulis berkesempatan
menjalankan Praktik Kerja Lapangan di PT Dirgantara Indonesia di Bandung.
Selama menjadi mahasiswa penulis pernah menjadi asisten praktikum Penerapan
Komputer dan Komputer Grafik.
KE SISTEM OPERASI LINUX UBUNTU
MUHAMMAD ADE NURUSANI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Migrasi Spatial Data
Warehouse Hotspot ke Sistem Operasi Linux Ubuntu adalah benar karya saya
dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip
dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Februari 2014
Muhammad Ade Nurusani
NIM G64090114
ABSTRAK
MUHAMMAD ADE NURUSANI. Migrasi Spatial Data Warehouse Hotspot
ke Sistem Operasi Linux Ubuntu. Dibimbing oleh HARI AGUNG ADRIANTO.
Teknologi data warehouse dibutuhkan dalam penanggulangan kebakaran
hutan dengan menyimpan data historis kebakaran hutan serta mengamati
persebaran kemunculan hotspot melalui satelit NOAA. Teknologi ini sebelumnya
telah digunakan untuk mengembangkan sebuah sistem yang dapat
mensinkronisasi visualisasi map dan query OLAP pada sistem operasi Windows.
Tujuan penelitian ini adalah memindahkan sistem dari penelitian sebelumnya
dengan sistem operasi yang baru yaitu Linux Ubuntu, dengan harapan
meningkatnya kinerja sistem dalam melakukan operasi OLAP. Hasilnya, sistem
yang dikembangkan pada Linux Ubuntu lebih cepat dibandingkan dengan sistem
operasi Windows dalam menampilkan halaman peta, menampilkan halaman
Jpivot, dan proses pengiriman query.
Kata kunci: data warehouse, kebakaran hutan, Linux Ubuntu, OLAP.
ABSTRACT
MUHAMMAD ADE NURUSANI. Migration of Spatial Data Warehouse Hotspot
to Ubuntu Linux Operating System. Supervised by HARI AGUNG ADRIANTO.
Data warehouse technology in forest fire management is required to store
the historical data of forest fires and observe the emergence of hotspots
distribution through NOAA satellite. This technology has previously been used to
develop a system that can synchronize map visualization and OLAP queries on a
Windows operating system. The objective of this research is to migrate the system
from the previous studies to the new operating system Linux Ubuntu, which will
increase the performance of the system in conducting the OLAP operations. The
result of this research shows that the system developed in Linux Ubuntu is faster
than the system developed in Windows in displaying the map page, displaying the
Jpivot page, and submitting the process queries.
Keywords: data warehouse, forest fire, Linux Ubuntu, OLAP.
MIGRASI SPATIAL DATA WAREHOUSE HOTSPOT KE
SISTEM OPERASI LINUX UBUNTU
MUHAMMAD ADE NURUSANI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Penguji:
1 Dr Imas Sitanggang, MKom
2 Endang Purnama Giri, SKom, MKom
Judul Skripsi : Migrasi Spatial Data Warehouse Hotspot ke Sistem Operasi Linux
Ubuntu
Nama
: Muhammad Ade Nurusani
NIM
: G64090114
Disetujui oleh
Hari Agung Adrianto, SKom MSi
Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi MKom
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga penulis dapat menyelesaikan karya ilmiah ini dalam
penelitian yang dilaksanakan sejak bulan Januari 2013 dengan tema yang dipilih
ialah data warehouse kebakaran hutan, dengan judul Migrasi Spatial Data
Warehouse Hotspot ke Sistem Operasi Linux Ubuntu.
Terima kasih penulis ucapkan kepada Bapak Hari Agung Adrianto, SKom
MSi selaku pembimbing yang telah memberikan arahan, saran, dan motivasi
dengan sabar dalam membantu penulis dalam menyelesaikan skripsi ini. Terima
kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa,
kasih sayang, dan dukungannya. Serta teman-teman ilkom 46 dan teman-teman
satu bimbingan yang saling memberikan semangat dan menjadi teman diskusi.
Semoga karya ilmiah ini bermanfaat.
Bogor, Februari 2014
Muhammad Ade Nurusani
DAFTAR ISI
DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
Ruang Lingkup Penelitian
2
TINJAUAN PUSTAKA
2
Hotspot
2
Spatiotemporal Data Warehouse
2
Operasi Dasar OLAP
3
MDX Query
3
Spatialytics
3
METODE PENELITIAN
4
Analisis Sistem di Lingkungan Windows
5
Pengukuran Kinerja di Lingkungan Windows
5
Konfigurasi Sistem di Lingkungan Linux Ubuntu
5
Pengukuran Kinerja di Lingkungan Linux Ubuntu
5
Uji Query
5
HASIL DAN PEMBAHASAN
5
Analisis Sistem di Lingkungan Windows
5
Pengukuran Kinerja di Lingkungan Windows
8
Konfigurasi Sistem di Lingkungan Linux Ubuntu
8
Pengukuran Kinerja di Lingkungan Linux Ubuntu
11
Uji Query
12
SIMPULAN DAN SARAN
15
Simpulan
15
Saran
15
DAFTAR PUSTAKA
16
RIWAYAT HIDUP
17
DAFTAR TABEL
1 Hasil pengukuran kinerja SOLAP berbasis Windows
2 Hasil pengukuran kinerja SOLAP berbasis Linux Ubuntu
8
11
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
Arsitektur Spatialytics
Skema tahap penelitian
Skema database penelitian Wipriyance (2013)
Arsitektur sistem penelitian Wipriyance (2013)
File OLAPQuery.java
File build.properties
File SpatialyticsServlet.java
Perbandingan kinerja Windows dengan Linux Ubuntu
Hasil query hotspot seluruh Indonesia tahun 1997
Hasil query hotspot seluruh Indonesia tahun 2005
Hasil query hotspot menggunakan fungsi dynamic equal interval
Hasil query hotspot menggunakan fungsi fixed interval
4
4
6
7
9
10
10
12
13
13
14
14
PENDAHULUAN
Latar Belakang
Musim kemarau yang panjang menjadi penyebab banyaknya kebakaran
hutan yang terjadi di Indonesia. Salah satu cara menanggulangi kebakaran hutan
yaitu dengan menggunakan teknologi data warehouse dengan online analytical
processing (OLAP) yang dapat memantau dan membantu dalam pengambilan
keputusan terhadap persebaran titik panas (hotspot) di seluruh kawasan hutan.
Fadli (2011) telah membangun sebuah sistem data warehouse kebakaran
hutan di Indonesia dengan modul visualisasi kartografis sehingga sistem yang
dihasilkan mampu melakukan analisis multidimensional dan menampilkan
visualisasi kartografis yang dilengkapi diagram tabular. Berikutnya, Imaduddin
(2012) mengembangkan penelitian sebelumnya dengan melakukan sinkronisasi
antara peta dan query OLAP pada spatial data warehouse kebakaran hutan di
Indonesia. Penelitian tersebut melakukan sinkronisasi antara query OLAP dan
visualisasi peta sehingga memudahkan pengguna dalam melakukan analisis
spatial OLAP. Sinkronisasi juga menghindari terjadinya inkonsistensi data yang
disebabkan proses input berbeda. Terakhir, Wipriyance (2013) berhasil
menambahkan data yang muncul di peta sehingga data yang pada penelitian
sebelumnya berjumlah 190 titik panas kini berhasil muncul 1500 titik panas.
Namun, kecepatan dalam menampilkan peta masih lambat disebabkan jumlah data
yang banyak.
Penelitian ini mencoba memperbaiki kekurangan pada penelitian
sebelumnya, yaitu dengan migrasi sistem ke sistem operasi Linux Ubuntu
sehingga diharapkan dapat memperbaiki kinerja sistem dalam menampilkan peta.
Sistem operasi ini dipilih karena lebih baik dari Windows pada perangkat keras
yang setara (Beckman dan Hirsch 2006). Selain itu, Linux Ubuntu secara default
tidak berjalan sebagai root atau administrator, sehingga setiap program atau script
tidak dapat secara otomatis membuat perubahan pada sistem tanpa hak eksplisit
dari pengguna. Hal ini memastikan bahwa Linux Ubuntu menawarkan keamanan
lebih dibandingkan sistem operasi Windows.
Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1 Migrasi sistem operasi ke Linux Ubuntu pada SOLAP data warehouse
kebakaran hutan dari penelitian Wipriyance (2013).
2 Membandingkan kinerja sistem pada lingkungan sistem operasi Windows
dengan Linux Ubuntu.
Manfaat Penelitian
Penelitian ini diharapkan dapat memudahkan pengguna dalam mengambil
keputusan secara cepat dalam penanggulangan kebakaran hutan.
2
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini yaitu:
1 Data yang digunakan adalah data titik panas kebakaran hutan di wilayah Indonesia
tahun 1997-2005 yang bersumber dari Direktorat Pengendalian Kebakaran Hutan
(DPKH) Departemen Kehutanan Republik Indonesia.
2 Skema data menggunakan hasil penelitian Wipriyance (2013).
3 Modifikasi menggunakan sistem operasi Linux Ubuntu.
TINJAUAN PUSTAKA
Hotspot
Kebakaran hutan dapat dipantau melalui munculnya hotspot menggunakan
data satelit Advanced Very High Resolution Radiometer-National Oceanic and
Atmospheric Administration (AVHR-NOAA). Hotspot merupakan titik-titik di
permukaan bumi yang mengindikasikan terjadinya kebakaran hutan dan lahan
(Ratnasari 2000). Citra data hotspot dari satelit AVHR-NOAA dapat dijadikan
indikasi kebakaran hutan yang dapat berupa kebakaran tajuk (crown fire),
kebakaran permukaan (surface fire), maupun kebakaran bawah (ground fire).
Salah satu penyedia layanan data hotspot adalah Forest Fire Prevention
Management Project yang dapat diakses melalui internet (www.indofire.org).
Spatiotemporal Data Warehouse
Data warehouse adalah database besar yang mendukung operasional data
dalam sebuah repositori dengan tujuan memudahkan query dan analisis.
Spatiotemporal data warehouse adalah suatu kumpulan koleksi data spasial dan
non-spasial yang memiliki sifat subject-oriented, integrated, time variant, dan
non-volatile yang berperan dalam proses pengambilan keputusan yang berkaitan
dengan data spasial (Han dan Kamber 2006). Adapun empat karakteristik data
warehouse ialah:
1 Subject oriented, data warehouse didesain untuk menganalisis data
berdasarkan subjek tertentu dalam lembaga, organisasi, atau perusahaan bukan
berdasarkan fungsi atau proses aplikasi tertentu.
2 Integrated, data warehouse dapat menyimpan data yang berasal dari sumber
yang terpisah ke dalam satu format yang konsisten.
3 Time variant, data yang disimpan memberikan sejarah informasi. Dengan kata
lain, data yang disimpan valid pada rentang waktu tertentu.
4 Nonvolatile, proses yang diizinkan dalam data warehouse hanya pemuatan dan
akses data tanpa mengubah data sumber sehingga data yang tersimpan tidak
dapat di-update atau di-delete.
3
Operasi Dasar OLAP
Menurut Han dan Kamber (2006) operasi-operasi dasar OLAP terdiri atas:
1 Roll up, operasi roll up dilakukan pada kubus data dengan cara menaikkan
tingkat hierarki.
2 Drill down, operasi ini merepresentasikan data secara lebih detail atau spesifik
dari level tinggi ke level rendah.
3 Slicing, merupakan proses pemotongan data pada cube berdasarkan nilai pada
satu atau beberapa dimensi.
4 Dicing, merupakan pemotongan hasil slicing menjadi bagian subset data yang
lebih kecil.
5 Pivoting, adalah kemampuan OLAP untuk melihat data dari berbagai sudut
pandang. Sumbu pada kubus data dalam aplikasi OLAP dapat diatur sehingga
dapat diperoleh data yang diinginkan sesuai dengan sudut pandang analisis
yang diperlukan.
MDX Query
Multidimensional expression (MDX) merupakan bahasa yang menyediakan
sintaks khusus untuk query dan memanipulasi data multidimensi yang disimpan
dalam kubus OLAP. MDX memungkinkan pengguna untuk memasukkan query
pada data dengan struktur yang mirip seperti SQL (Whitehorn et al. 2004).
Berikut contoh penggunaan query MDX yang menampilkan data jumlah
hotspot berdasarkan dimensi satelit pada tahun 2000:
SELECT
{ [Satelit].[Semua Satelit] } ON COLUMNS,
{ [Measures].[jumlah_hotspot] } ON ROWS
FROM [geohotspot]
WHERE [Waktu].[2000]
Spatialytics
Spatialytics merupakan framework yang memungkinkan pengguna untuk
menganalisis data multidimensi dari berbagai perspektif. Spatialytics mampu
melakukan operasi OLAP yang terdiri dari operasi roll up, drill down, slicing, dan
dicing (Spatialytics 2013). Spatialytics dikembangkan oleh GeoSOA Research
Team menggunakan Dojo Toolkit dan OpenLayers yang bersifat open source.
Spatialytics memiliki arsitektur three tiers yang meliputi:
1 Lapisan bawah (bottom tier)
Lapisan bawah merupakan suatu sistem database relasional (DBMS
PostgreSQL) yang diberi library tambahan (PostGIS) sehingga mampu
menangani data spatial.
2 Lapisan tengah (middle tier)
Lapisan tengah merupakan tempat penyimpanan struktur kubus data atau
OLAP server. Spatialytics menggunakan OLAP server GeoMondrian yang
merupakan modifikasi dari OLAP server Mondrian sehingga mampu
menangani data spatial.
4
3 Lapisan atas (top tier)
Lapisan atas merupakan lapisan untuk end user yang berfungsi menampilkan
ringkasan dari isi data warehouse yang merupakan hasil operasi OLAP serta
menampilkan (peta) persebaran hotspot. Implementasi user interface pada
lapisan atas menggunakan Dojo Toolkit, sedangkan visualisasi objek spasial
menggunakan OpenLayers. Arsitektur Spatialytics ditunjukkan pada Gambar 1.
Gambar 1 Arsitektur Spatialytics
METODE PENELITIAN
Skema tahap penelitian pada penelitian ini ditunjukkan pada Gambar 2.
Gambar 2 Skema tahap penelitian
5
Analisis Sistem di Lingkungan Windows
Tahap analisis meliputi bagian kebutuhan data dan cara keja sistem OLAP
yang sudah ada dari hasil penelitian penelitian Wipriyance (2013). Sistem telah
berhasil mengintegrasi peta dan query OLAP namun kecepatan akses data masih
lambat dan data yang muncul hanya sedikit. Sistem tersebut menerapkan
Spatialytics dalam sistem operasi Windows.
Pengukuran Kinerja di Lingkungan Windows
Sistem yang telah dibuat pada penelitian sebelumnya yaitu pada sistem
operasi Windows 7 dijalankan kembali tanpa mengubah konfigurasi lalu
dilakukan pengukuran kinerja dalam menampilkan peta.
Konfigurasi Sistem di Lingkungan Linux Ubuntu
Sistem pada penelitian sebelumnya dijalankan dan dilakukan konfigurasi
sesuai dengan lingkungan sistem operasi Linux Ubuntu.
Pengukuran Kinerja di Lingkungan Linux Ubuntu
Setelah sistem berhasil dijalankan pada sistem operasi Linux Ubuntu,
dilakukan pengukuran kinerja sistem dalam menampilkan peta.
Uji Query
Pengujian query dilakukan untuk mengetahui keberhasilan fungsi query
MDX pada sistem yang dikembangkan di Linux Ubuntu. Fungsi yang diujikan
antara lain submit query, reload jpivot, dynamics equal interval, dan fixed interval.
HASIL DAN PEMBAHASAN
Analisis Sistem di Lingkungan Windows
Kebutuhan Data
Terdapat dua database yang digunakan pada penelitian ini yaitu
db_forestfire dan geohotspot. Database db_forestfire berfungsi sebagai layer
dasar peta yang berisi data hotspot dari tahun 1997-2005 dan berjumlah 473 892
hotspot. Sistem sebelumnya telah berhasil menampilkan 1500 hotspot yang
disimpan sebagai database geohotspot. Untuk ukuran data yang melebihi jumlah
tersebut, terjadi error pada Jpivot. Database geohotspot berfungsi untuk
menangani query yang dimasukkan pada sistem dan diproses oleh Geomondrian.
6
Skema database disimpan dalam file XML yang akan diproses oleh
Geomondrian. Skema database Geomondrian memiliki tabel yaitu tabel
fakta_forestfire yang berisi jumlah munculnya area hotspot yang ditangkap
oleh satelit tertentu pada waktu tertentu. Tabel tersebut merupakan tabel fakta
yang menjadi pusat kubus data. Kubus data terdiri dari tiga dimensi yaitu dimensi
satelit, lokasi, dan waktu. Dimensi satelit memiliki satu level yaitu nama satelit.
Dimensi lokasi memiliki tiga level yang terdiri dari level hotspot, provinsi, dan
kabupaten. Dimensi waktu memiliki tiga level yang terdiri dari level tahun, kuartil,
dan bulan. Berikut skema database dari penelitian sebelumnya yang ditunjukkan
pada Gambar 3.
tb_satelit
PK
id_satelit
tb_geohotspot
PK
nama_satelit
fakta_forestfire
hotspot_geom
kode_kab
tb_kabupaten
PK
id_hotspot
id_waktu
id_satelit
jumlah
tb_waktu
PK
id_waktu
tahun
kuartil
bulan
kode_hotspot
kode_kab
nama_kab
kab_geom
kode_prov
tb_provinsi
PK
kode_prov
nama_prov
prov_geom
Gambar 3 Skema database penelitian Wipriyance (2013)
Cara Kerja Sistem
Sistem yang dikembangkan oleh Wipriyance (2013) merupakan sistem data
warehouse kebakaran hutan yang menggunakan Geoserver sebagai web map
server berbasis Java. Pada sistem ini Geoserver berperan sebagai penyedia layer
peta wilayah Indonesia. Operasi query OLAP pada sistem ini menggunakan
Geomondrian. Geomondrian mampu menangani data spatial sehingga dapat
menyimpan data dalam bentuk raster maupun vektor. Pada sistem ini
Geomondrian bertugas menangani proses query yang dimasukkan pengguna.
Lingkungan Pengembangan Sistem
Perangkat keras yang digunakan adalah Personal Computer (PC) dengan
spesifikasi sebagai berikut.
Perangkat Keras:
Processor Intel Core2Duo @2.1 GHz.
RAM 2 GB DDR3.
HDD 320 GB.
7
Perangkat Lunak:
Sistem operasi Windows 7 Professional.
JDK 1.6.0.04 sebagai JVM.
Apache Tomcat 6.0 sebagai servlet container.
Spatialytics sebagai spatial OLAP framework.
GeoMondrian 1.0 sebagai server spatial OLAP.
GeoServer 2.1 sebagai server web map.
OpenLayers 2.8 sebagai JavaScript library untuk menampilkan peta.
PostgreSQL 8.4 sebagai database server dengan ekstensi PostGIS untuk
menyimpan data spasial.
Schema Workbench 1.0 untuk membuat kubus data multidimensional.
Sistem yang dikembangkan oleh Wipriyance (2013) yang dijelaskan pada
Gambar 4 menggunakan framework Spatialytics yang memiliki arsitektur tiga
lapisan meliputi:
1 Lapisan bawah, merupakan sistem database yang meliputi database
management system (DBMS) PostgreSQL dengan ekstensi PostGIS untuk
menangani data spatial.
2 Lapisan tengah, yaitu tempat penyimpanan server yang terdiri atas Apache
Tomcat 6.0 sebagai tempat menjalankan aplikasi Spatialytics, GeoServer, dan
GeoMondrian. Spatialytics server menerima query masukkan dari pengguna
kemudian mengirimkannya ke GeoMondrian dan mengembalikan hasil
eksekusi query ke client. GeoServer sebagai WMS yang berfungsi membuat
workspace dan membuat layer peta wilayah Indonesia menggunakan data yang
telah dibuat pada PostgreSQL dan PostGIS. GeoMondrian merupakan OLAP
server tempat query OLAP dieksekusi.
3 Lapisan atas, yaitu Spatialytics client terdiri atas modul peta dan modul JPivot.
Modul peta divisualisasikan oleh GeoServer serta data hasil eksekusi query dari
Geomondrian. Modul JPivot menampilkan hasil eksekusi query dalam bentuk
tabel dan grafik.
Gambar 4 Arsitektur sistem penelitian Wipriyance (2013)
8
Pengukuran Kinerja di Lingkungan Windows
Pada penelitian ini digunakan perangkat yang berbeda dengan penelitian
sebelumnya. Berikut perangkat yang digunakan.
Processor Intel Core i5-2450M.
RAM 4 GB DDR3.
HDD 500 GB.
Sistem operasi Windows 8.
PostgreSQL 9.2.
Pengukuran Kinerja
Sistem sebelumnya diukur waktu kinerjanya dalam mengeksekusi setiap
proses. Parameter-parameter yang diukur antara lain waktu eksekusi dalam
menampilkan halaman peta, menampilkan halaman Jpivot, dan proses olap4js.
Parameter menampilkan halaman peta yaitu waktu yang dibutuhkan sistem dalam
menampilkan hotspot pada halaman awal peta. Parameter menampilkan halaman
Jpivot yaitu waktu yang dibutuhkan sistem menampilkan hasil eksekusi query
pada halaman Jpivot. Proses olap4js yaitu waktu parsing query dari masukkan
pengguna sampai munculnya hasil query hotspot.
Hasil pengukuran dilakukan sebanyak sepuluh kali iterasi yang ditunjukkan
pada Tabel 1.
Iterasi
1
2
3
4
5
6
7
8
9
10
Rata-rata
Tabel 1 Hasil pengukuran kinerja SOLAP berbasis Windows
Pengukuran kinerja (waktu ms)
Menampilkan
Menampilkan
Proses olap4js
halaman peta
halaman Jpivot
4380
207
1190
4220
194
928
4310
197
818
4090
173
1040
4410
163
1540
4260
155
738
4290
148
703
4100
158
753
4170
203
730
4020
172
841
4225
177
928
Konfigurasi Sistem di Lingkungan Linux Ubuntu
Sistem pada penelitian sebelumnya diimplementasikan sesuai dengan
lingkungan sistem operasi Linux Ubuntu lalu dilakukan beberapa konfigurasi agar
sistem dapat berjalan pada lingkungan Linux Ubuntu.
9
Konfigurasi Sistem di Linux Ubuntu
Prosedur pemindahan folder atau directory sistem pada Linux Ubuntu
berbeda dengan di Windows karena Linux Ubuntu secara default tidak berjalan
sebagai root atau admin. Oleh karena itu, perlu dilakukan beberapa pengaturan
sistem yang meliputi pemindahan directory work dan webapps dengan perintah
sebagai berikut:
Directory Work
sudo cp -r /home/adenurusani/bi_workshop/tomcat/work/Catalina/
localhost/* /var/lib/tomcat6/work/Catalina/localhost/*
Directory Webapps
sudo cp -r /home/adenurusani/bi_workshop/tomcat/webapps/*
/var/lib/tomcat6/webapps/
File yang telah dipindahkan tidak dapat langsung dijalankan karena belum
bersifat read, write, execute. Perintah untuk akses file tersebut sebagai berikut:
Directory Work
sudo chmod -R 777 /var/lib/tomcat6/work/*
Directory Webapps
sudo chmod -R 777 /var/lib/tomcat6/webapps/*
Build Project di Eclipse
Setelah konfigurasi sistem selesai, sistem tidak bisa langsung berjalan di
lingkungan Linux Ubuntu, melainkan dibutuhkan build project pada Eclipse
untuk menyesuaikan pengaturan directory yang berbeda dengan lingkungan
Windows. Build dilakukan untuk file OLAPQuery.java, build.properties, dan
SpatialyticsServlet.java.
File OLAPQuery.java berfungsi untuk mengatur string koneksi database,
skema kubus database, dan string mdxquery. File build.properties berfungsi
mengatur sistem Spatialytics agar berjalan pada project Eclipse. File
SpatialyticsServlet.java berfungsi untuk mengatur dan membuat file javascript
sehingga query dapat berubah sesuai masukkan dari pengguna. Potongan masingmasing file ditunjukkan pada Gambar 5, Gambar 6, dan Gambar 7.
Gambar 5 File OLAPQuery.java
10
Gambar 6 File build.properties
Gambar 7 File SpatialyticsServlet.java
11
Pengukuran Kinerja di Lingkungan Linux Ubuntu
Sistem yang telah berhasil dimigrasikan ke lingkungan Linux Ubuntu diukur
kinerjanya berupa kecepatan membuka halaman peta, menampilkan query, dan
proses olap4js. Pada pengukuran kinerja ini dilakukan sepuluh kali iterasi. Hasil
pengukuran kinerja sistem pada Linux Ubuntu ditunjukkan pada Tabel 2.
Tabel 2 Hasil pengukuran kinerja SOLAP berbasis Linux Ubuntu
Pengukuran Kinerja (waktu ms)
Iterasi
Menampilkan
Menampilkan
Proses olap4js
halaman peta
halaman Jpivot
1
3560
135
1300
2
3350
151
876
3
3390
143
921
4
3500
154
564
5
3210
153
1170
6
3190
142
652
7
3410
155
501
8
3540
141
941
9
3030
147
473
10
3360
142
816
Rata-rata
3354
146
821
Hasil pengukuran kinerja di lingkungan Windows berdasarkan Tabel 1,
dibandingkan dengan hasil pengukuran di lingkungan Linux Ubuntu dengan
mengambil nilai rata-rata dari sepuluh iterasi bagi ketiga parameter yang
digunakan yaitu menampilkan halaman peta, menampilkan halaman Jpivot, dan
proses olap4js. Perhitungannya sebagai berikut.
enampilkan halaman peta indows
enampilkan halaman peta inux buntu
enampilkan halaman pivot indows
enampilkan halaman pivot inux buntu
Proses olap js indows
Proses olap js inux buntu
Hasil perbandingan pengukuran kinerja sistem Windows dengan Linux
Ubuntu ditunjukkan pada Gambar 8.
12
5000
4500
4000
Membuka halaman peta
(Windows)
Waktu (ms)
3500
3000
Membuka halaman
Jpivot (Windows)
2500
Proses olap4js
(Windows)
2000
Membuka halaman peta
(Ubuntu)
1500
Membuka halaman
Jpivot (Ubuntu)
Proses olap4js (Ubuntu)
1000
500
Iterasi
0
1
2
3
4
5
6
7
8
9
10
Gambar 8 Perbandingan kinerja Windows dengan Linux Ubuntu
Uji Query
Uji query dilakukan untuk mengetahui keberhasilan fungsi query MDX
pada sistem yang dikembangkan di Linux Ubuntu. Fungsi yang diujikan antara
lain submit query, reload jpivot, dynamics equal interval, dan fixed interval. Saat
pertama kali dijalankan, sistem akan mengeksekusi default query sebagai berikut:
SELECT
{[Measures].[Jumlah_Hotspot]} ON COLUMNS,
{[lokasi].[Hotspot].Members} ON ROWS
FROM [geohotspot]
WHERE [waktu].[1997]
Query tersebut menampilkan persebaran hotspot di seluruh wilayah
Indonesia pada tahun 1997 yang ditunjukkan pada Gambar 9. Selanjutnya query
diujikan pada rentang tahun 1997-2005 namun hotspot hanya muncul pada tahun
1997 dan tahun 2005, hal ini disebabkan tidak ada data tahun 1998-2004 pada
database geohotspot. Berikut tampilan persebaran hotspot pada tahun 2005
ditunjukkan pada Gambar 10.
13
Gambar 9 Hasil query hotspot seluruh Indonesia tahun 1997
Gambar 10 Hasil query hotspot seluruh Indonesia tahun 2005
14
Selanjutnya query diujikan pada fungsi equal interval dengan query pada
level provinsi hasil eksekusi query tersebut ditunjukkan pada Gambar 11.
SELECT
{[Measures].[Jumlah_Hotspot]} ON COLUMNS,
{[lokasi].[Hotspot Provinsi].Members} ON ROWS
FROM [geohotspot]
WHERE [waktu].[Semua Waktu]
Gambar 11 Hasil query hotspot menggunakan fungsi dynamic equal interval
Terakhir query diujikan pada fungsi fixed interval dengan query pada level
provinsi hasil eksekusi query tersebut ditunjukkan pada Gambar 12.
SELECT
{[Measures].[Jumlah_Hotspot]} ON COLUMNS,
{[lokasi].[Hotspot Provinsi].Members} ON ROWS
FROM [geohotspot]
WHERE [waktu].[Semua Waktu]
Gambar 12 Hasil query hotspot menggunakan fungsi fixed interval
15
SIMPULAN DAN SARAN
Simpulan
Penelitian ini telah berhasil menjalankan sistem Spatialytics dan Geoserver
pada sistem operasi Linux Ubuntu, seluruh fungsi telah berjalan baik. Telah
dibuktikan bahwa sistem yang dikembangkan pada Linux Ubuntu lebih cepat
dibandingkan pada sistem operasi Windows, dalam menampilkan halaman peta
Linux Ubuntu 1.26 kali lebih cepat dibandingkan Windows, lebih cepat 1.21 kali
dalam menampilkan halaman Jpivot, dan lebih cepat 1.13 kali dalam proses
olap4js.
Saran
Penelitian ini memungkinkan untuk dikembangkan lebih lanjut. Saran untuk
pengembangan sistem ini yaitu melakukan hosting sistem ini pada server sehingga
sistem dapat digunakan oleh banyak pengguna.
16
DAFTAR PUSTAKA
Beckman D, Hirsch D. 2006. Use Linux and open-source software on a junk
nachine for a near-free PC [Internet]. [diunduh 2014 Jan 21]. Tersedia pada:
http://abajournal.com/magazine/article/a_lot_for_a_little/.
Fadli MH. 2011. Data warehouse spatio-temporal kebakaran hutan menggunakan
Geomondrian dan Geoserver [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Han J, Kamber M. 2006. Data Mining Concept and Techniques. San Fransisco (US):
Morgan Kaufmann.
Imaduddin A. 2012. Sinkronisasi antara visualisasi peta dan query OLAP pada
spatial data warehouse kebakaran hutan di Indonesia [skripsi]. Bogor (ID):
Institut Pertanian Bogor.
Ratnasari E. 2000. Pemantauan kebakaran hutan dengan menggunakan data citra
NOAA-AVHRR dan citra Landsat TM: studi kasus di daerah Kalimantan
Timur [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Spatialytics. 2013. Spatialytics OLAP [Internet]. [diunduh 2013 Des 15]. Tersedia
pada: http://docs.spatialytics.com/doku.php?id=en:spatialytics_olap:
001_introduction.
Whitehorn M, Zare R, Pasumansky M. 2004. Fast Track to MDX. New York (US):
Springer.
Wipriyance L. 2013. Peningkatan kinerja sistem spatial data warehouse kebakaran
hutan berbasis GeoServer dan GeoMondrian [skripsi]. Bogor (ID): Institut
Pertanian Bogor.
17
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 12 November 1991 sebagai anak
pertama dari tiga bersaudara dari pasangan Bapak Taharudin dan Ibu Nurhayati.
Pada tahun 2009 penulis lulus dari SMA Negeri 5 Bogor kemudian melanjutkan
pendidikan jenjang S1 sebagai mahasiswa Departemen Ilmu Komputer, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor pada tahun
yang sama melalui jalur SNMPTN.
Pada tanggal 27 Juli 2012 sampai 14 Agustus 2012, penulis berkesempatan
menjalankan Praktik Kerja Lapangan di PT Dirgantara Indonesia di Bandung.
Selama menjadi mahasiswa penulis pernah menjadi asisten praktikum Penerapan
Komputer dan Komputer Grafik.